Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/4150Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Vela Rincon, Virna Viridiana%327715 | - |
| dc.creator | Vela Rincon, Virna Viridiana%327715 | - |
| dc.date.accessioned | 2022-07-08T19:34:34Z | - |
| dc.date.available | 2022-07-08T19:34:34Z | - |
| dc.date.issued | 2022-06-10 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/4150 | - |
| dc.description | Entre las distintas áreas de la Inteligencia Artificial se encuentra el Reconocimiento de Patrones y la Visión por Computadora, que se han beneficiado utilizando los métodos de aprendizaje auto-mático. Normalmente, el más utilizado es el aprendizaje no supervisado, siendo un caso especial de éste el agrupamiento o clustering. El agrupamiento es una técnica que permite identificar grupos dentro de un conjunto de datos, de tal manera que estos grupos o clusters compartan ciertas características similares. Un algoritmo clave en esta área es el algoritmo Fuzzy C-Means, que maneja cierto grado de pertenencia para representar a cada dato con respecto a cada uno de los grupos, permitiendo ser mas flexible que el agrupamiento clásico, de tal manera que se puede expresar la pertenencia de un dato hacia todos los grupos simultáneamente. La teoría de este algoritmo se ha ido extendiendo con la finalidad de mejorar la exactitud del grado de pertenencia asignado a un dato, tal es el caso de los conjuntos difusos tipo-que permiten una distribución de posibilidades, los conjuntos difusos intervalo evaluados un margen de error y los conjuntos difusos intuitivos permite un grado de pertenencia, de no pertenencia e indecisión. Sin embargo su dificultad es debido a que se tiene un conjunto de valores posibles. Como una alternativa, los Conjunto Difusos Titubeantes (Hesitant Fuzzy Sets) permiten expresar el agrupamiento de los datos através de varios posibles valores de pertenencia para un sólo elemento de un conjunto de referencia, a diferencia de las demás teorías, se puede tener varios valores posible en lugar de uno solo, permitiendo una mayor flexibilidad y un mejor desempeño en la agrupación. En esta investigación se propone un algoritmo de agrupamiento difuso mediante la incorporación de la lógica de funcionamiento de los conjuntos difusos titubeantes aplicable al reconocimiento de patrones y segmentación de imágenes. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | Segmentación de imágenes | es_MX |
| dc.subject.other | Reconocimiento de patrones | es_MX |
| dc.subject.other | Agrupamiento difuso | es_MX |
| dc.subject.other | Conjuntos difusos titubeantes | es_MX |
| dc.subject.other | Agrupamiento automático | es_MX |
| dc.title | Agrupamiento difuso titubeante para tareas de segmentación de imágenes y reconocimiento de patrones | es_MX |
| dc.type | info:eu-repo/semantics/doctoralThesis | es_MX |
| dc.contributor.director | Mujica Vargas, Dante%229106 | - |
| dc.folio | 22-0097 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Doctorado en Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| DC_Virna_Viridiana_Vela_Rincon_2022.pdf | Tesis | 4.08 MB | Adobe PDF | View/Open |
| DC_Virna_Viridiana_Vela_Rincon_2022.pdf Restricted Access | Cesión de derechos | 966.12 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
